一個語句的頻度是指該語句在算法中被重復執行的次數。算法中所有語句的頻度之和記為T(n)，它是該算法問題規模n的函數，時間復雜度主要分析T(n)的數量級。算法中基本運算（最深層循環內的語句）的頻度與Tn)同數量級，因此通常采用算法中基本運算的頻度fn)來分析算法的時間復雜度3。因此，算法的時間復雜度記為：T(n)= O(fn))
式中，О 的含義是T(n)的數量級，其嚴格的數學定義是:若T(n)和fn)是定義在正整數集合上的兩個函數，則存在正常數C和n，使得當n≥no時，都滿足0≤T(n)≤Cfn)。
算法的時間復雜度不僅依賴於問題的規模n，也取決於待輸入數據的性質（如輸入數據元素的初始狀態)。例如，在數組A[ 0...n-1]中，查找給定值k的算法大致如下:
該算法中語句3(基本運算）的頻度不僅與問題規模n有關，而且與輸入實例中A的各元素的取值及k的取值有關:
①若A中沒有與k相等的元素，則語句3的頻度f(n)=n。
②若A的最后一個元素等於k，則語句3的頻度(n)是常數0.
最壞時間復雜度是指在最壞情況下，算法的時間復雜度。
平均時間復雜度是指所有可能輸入實例在等概率出現的情況下，算法的期望運行時間。
最好時間復雜度是指在最好情況下，算法的時間復雜度。
一般總是考慮在最壞情況下的時間復雜度，以保證算法的運行時間不會比它更長。
在分析一個程序的時間復雜性時，有以下兩條規則:
常見的漸進時間復雜度:
